基于机器视觉的二维图像质量缺陷检测研究进展

目的 机器视觉图像处理技术是近年在图像处理领域发展起来的一门新兴边缘交叉学科,二维图像的质量检测是印刷行业中必不可少的环节,分析基于机器视觉的二维图像质量缺陷检测流程,探索影响基于机器视觉的二维图像质量缺陷检测精度的相关因素,为后续研究印刷品的二维图像自动化检测和质量控制提供参考。方法 在此基础上,围绕图像预处理中的灰度转换、噪声过滤、固定阈值分割、自适应阈值分割、Otsu法及边缘检测,对图像配准中的基于灰度统计信息分布配准方法、基于特征的图像配准方法进行总结,然后归纳分析图像的缺陷提取和分类。结论 以实际例子对上述研究内容进行了提炼,通过图像预处理中的噪声过滤为后续缺陷提取提供清晰图像,减少伪影干扰;通过图像预处理中的灰度变换、阈值分割、感兴趣区域提取减少系统处理时间,为实现高效的缺陷检测奠定了坚实的基础;通过图像配准消除了机械振动引起的图像位置偏移,确保后续缺陷提取的准确性;通过图像缺陷提取和分类帮助印刷企业找出生产问题,提供有针对性的改进措施,可为生产高质量产品提供支持。     

基于机器视觉的罐盖缺陷检测

根据金属材质罐盖制造中生产线上的工作环境和检测要求,针对目前生产线上人工检测的速度慢、效率低、准确率不高等缺点,提出了一种基于计算机视觉的罐盖缺陷检测算法,可快速准确地实现生产线上的金属罐盖的缺陷检测.具体做法是综合一系列图像处理算法,对罐盖罐口、注胶区域、内圆区域等三个主要区域进行检测.结果表明,缺陷检测的速度可达到每秒10个,从而为罐盖的缺陷生产线在线检测提供了很好的支持.     

铣刀机器视觉检测系统设计

铣刀检测是铣刀生产的关键环节之一,针对传统铣刀检测过程中暴露的自动化程度低、效率低等问题,提出了基于机器视觉检测系统的检测方法.论文对系统的总体方案进行了设计,研究了系统的工作原理,并对系统硬件软件进行设计,最后通过实验分析得出结论.实验结果表明,通过视觉检测系统可以检测出铣刀是否合格,并且此法比传统方法有明显的优越性.     

基于机器视觉的工件检测系统研究

为检测工件质量,识别型号。采用机器视觉的方法,应用CCD相机在线拍摄工件图像,以图像采集卡作为与计算机的接口,进行数据的分析及处理,实现工件分拣。     

利用机器视觉的烟包封签缺陷检测算法

构建了一个图像识别及检测的DSP+FPGA硬件平台,采用机器视觉技术,对烟包外包装各种信息进行准确而快速的识别.设计了一个烟包封签缺陷检测算法,选取图像强度分量进行灰度处理,选择合适的二值化和滤噪方案对图像进行二值化及滤噪处理,最终在二值化图像中进行封签的偏移、叠角和缺失的检测.为烟包的高速自动化包装检测提供了一种高效可行的实施方案.     

基于机器视觉的车距检测系统设计

为了探测前车车距,采用机器视觉方式,以 CCD构造单目成像系统采集前车图像,以检测车牌在图像中像素的数量方式实现车距的测量。系统以单目摄像头的成像模型,通过物像位置关系及大小关系,建立车牌图像与车距信息之间的模型;以CCD成像原理,建立车牌图像与传感器像元像素之间的模型。由此构建测距检测算法模型。采用MATLAB软件平台设计人机交互界面,对采集图像进行预处理提高图像的对比度;通过匹配连通域等算法,对车牌进行定位、分割,检测车牌水平方向像素数量;在此基础上,采取小孔成像原理计算车距的大小,并显示在软件平台上。实验证明了本系统能对前车图像进行分析从而计算出车距,该系统对3 m之外的车距检测平均误差为4%。     

基于机器视觉的安瓿溶液异物检测系统

针对1～20 mL安瓿瓶装溶液的在线异物检测,本文分析并设计了基于机器视觉的安瓿溶液在线异物检测系统,介绍了检测系统硬件结构和图像采集卡等配置.根据应用要求,对溶液中的不同异物类型,分别设计了合理有效的成像方法,并设计高速旋转急停法成功地区分异物与瓶壁上的干扰.鉴于溶液中异物在图像上的呈现的弱目标性质,设计了一种快速方便的区域分割方法,并在融合传统目标检测方法的基础上,重点提出基于机器视觉的有效的目标检测方法,文章最后给出实验结果并进行分析,证明了算法的有效性和该系统的实用性.     

基于机器视觉的推力轴承垫圈缺陷检测系统研究

为实现推力轴承垫圈表面缺陷自动检测,解决检测过程人工效率低、准确性波动大的问题,设计一套推力轴承垫圈表面缺陷检测及分类系统.针对垫圈表面图像背景复杂,干扰较多难以提取缺陷等问题,用最小二乘法圆拟合提取圆环形感兴趣区域,通过傅里叶变换、低通滤波器和傅里叶逆变换对图像卷积滤波从而抑制干扰;然后基于多个形状指标和多个阈值提出...     

基于机器视觉的线束连接器字符检测

针对线束连接器上印刷字符检测智能化程度不高的情况,提出了一种基于机器视觉的检测方法.首先,利用一阶导数获得印刷字符边缘点,并将边缘点拟合为线,由此定位字符的位置,并对字符的角度和位置进行比较;然后,对合格的字符分割、归一化,并以整个字符图像作为输入特征;最后,基于字符的特征,建立了用于印刷字符识别的BP神经网络,并对其进行了改进.实验证明:基于机器视觉的连接器印刷字符单个字符识别准确率为99.1%,检测时间为95ms,具有较高的识别准确率和速度.     

基于机器视觉的改进线束导线排序检测系统设计

目的 解决现有工业线束导线排序检测方法中存在的效率低、混色导线检测效果差等问题。方法 基于机器视觉技术设计一种线束导线排序检测装置,并结合图像处理技术和深度学习原理提出一种混色导线排序检测方法。首先根据线束图像中选择的感兴趣区域,分割出线束连接器图像和导线图像,并采用模板匹配和颜色定位方法完成连接器正反面的识别和单色导线的识别定位;然后采集并制作PE混色导线数据集,研究Faster R−CNN、SSD、YOLOv3和YOLOv5m等4种不同目标检测算法对PE混色导线的检测效果。结果 实验结果表明,YOLOv5m检测模型的检测速度和准确率兼顾性最好;改进系统后,检测时间减少了18.55%,平均识别准确率为98.83%。结论 改进后检测系统具有良好的检测效率和可靠性,适用于种类丰富的工业线束导线排序检测。     

基于机器视觉的航空铆钉尺寸检测技术

航空铆钉的尺寸偏差会增加航空事故发生的可能性。为了实现航空铆钉尺寸检测的高精度与智能化,提出一种基于机器视觉的航空铆钉尺寸检测方法。通过边缘检测算法对铆钉进行自动识别与检测,可减少航空铆钉尺寸的误差。基于航空铆钉产品规范,分析得出各项尺寸参数要求与事件流程,使用OpenCV作为开发平台,采用阈值分割算法与分水岭算法进行图像分割;同时,通过平滑处理、形态学、轮廓提取算法完成图像处理。实测结果表明,在±0.005mm精度下,铆钉尺寸检测结果与实际值的吻合度达到90%以上。     

基于机器视觉的半导体表面缺陷检测研究

半导体的广泛应用使得人们对其质量要求越来越高。半导体生产过程中塑封表面缺陷的检测得到更多生产厂家的重视。本文对SOT-23封装式半导体的表面塑封缺陷进行了研究,改进并优化半导体质量缺陷检测系统,通过边缘检测算法提取半导体管体的塑封边缘,确定被检管体的位姿,缩小检测范围,使用基于边缘点的模板匹配算法来判断字符的完整性,最后利用差影法准确地检测出塑封缺陷。经工厂试用后,结果显示此系统能有效地检测出表面质量缺陷。目前此系统已在工厂正式使用。     

基于机器视觉的双工位载带检测系统研究

叙述了基于机器视觉的双工位载带检测系统的硬件设计方案和机械结构方案。提出了适合载带检测的图像处理算法,该算法主要包括瑕疵检测算法与尺寸计算算法。将标准合格载带样本图像作为训练集,从这些样本图像中获取检测区域图像的特征量信息作为在线检测时的比较标准。经过实际上线测试验证,载带缺陷检出率均不低于99.6%,重要缺陷漏检率为0%;检测一帧图像时间10 ms,检测速度达到12 m/min。     

芯片载带缺陷的机器视觉检测方法

目的 针对芯片包装载带在生产过程中经常出现的型腔底部和边缘变形、穿孔等缺陷的检测问题,提出一种机器视觉检测方法。方法 首先离线准备配准模板及标准模板图像,然后根据模板在生产过程中进行在线检测。在检测过程中由传感器触发采集待检测型腔图像,然后通过模板匹配方法配准模板图像和待检测图像,并进行异或运算检测两图像差异从而定位缺陷。结果 实验证明边缘变形检测最大错误率为0.45%,底部变形检测最大错误率为0.50%,穿孔检测最大错误率为0.35%,每帧图像检测平均耗时为0.22 s,满足用户错误率不超过1%和每帧耗时不超过0.5 s的要求。结论 该方法能够实时检测芯片载带边缘变形、穿孔等缺陷,有效地实现载带加工生产过程中的质量监控。     

基于机器视觉的商品条码质量检测方法

目的针对EAN-13商品条码,运用机器视觉技术进行商品条码质量检测,实现一体化、自动化、智能化检验。方法根据检测要求,设计商品条码图像采集装置,通过系统标定完成初始化。条码检测时,采集待测条码图像,进行畸变矫正;通过边缘检测、形态处理和轮廓匹配,找到条码准确位置,分割出条码图像区域,对其旋转校正,分为条码区域和数字区域;对条码区域,水平采样获取反射曲线,计算光学特性参数和译码数据,通过几何特征分析,结合标定参数,计算出相关结构参数;对数字区域,通过字符分割、模版匹配,完成字符识别;最后,通过比对分析,获取全部检测数据。结果分别采用该方法和传统方法,对100个EAN-13条码样本进行了检测对比,试验表明该方法的检验结果符合国家标准,检测数据准确可靠;该方法操作快捷,精度更高,检测速度大幅提高。结论文中方法实现了商品条码质量检测的一体化、自动化、智能化处理,显著提高了检验水平和工作效率。     

基于机器视觉的包装品质检测系统设计

目的 为提高包装缺陷检测精度,基于机器视觉设计一种包装品质检测系统。方法 介绍机器视觉系统硬件结构,包括载物平台、工业相机、光室、计算机等。在此基础上,以条烟外包装检测为主要研究对象,详细阐述图像处理算法。首先利用中值滤波消除原始图像噪声;然后基于Canny算子实现图像边缘锐化;最终通过图像配准判断条烟外包装是否存在缺陷。结果 通过实验验证,结果表明该系统对合格样本的识别率可以达到100%;不合格样本的识别率也可以达到98.67%;整体识别率可以达到99.33%。结论 机器视觉系统具有识别精度高、性能稳定等特点;图像处理算法可准确区分条烟是否存在缺陷,具有实际应用价值。     

基于支持向量机的油封缺陷图像检测方法

提出一种基于支持向量机分类的油封缺陷图像检测方法,把油封外观中的有无缺陷看作两种不同的类别模式,应用支持向量机对两类不同的样本采样学习,然后进行分类判断。采集油封各部位图像并进行预处理,利用算法切割出各个检测区域图像,根据油封主要部位的各类缺陷特点,选取不同特征参数。应用径向基核函数建立支持向量机识别模型,并通过实验实现核函数参数寻优。实验结果表明,该方法具有检测成本低、可靠性高、泛化能力强、容易在线实施等特点,具有实用推广价值。